研究人员开发了 SpiS-GAN，一个用于合成逼真手写体的新颖框架，以解决训练手写识别系统所需标注数据稀缺的问题。该生成对抗网络在其生成器中使用了星螺旋块（Star-Spiral Blocks）和调制椭圆螺旋全连接层（Modulated Elliptical SpiralFC），使其比以前的基于 MLP 或 CNN 的模型更能追踪复杂草书轨迹。一项关键创新是 Sobel 正则化边缘重建损失（Sobel-Regularized Edge Reconstruction Loss），它确保了清晰的笔画边界，以及一个用于检测多域缺陷的螺旋调制判别器（Spiral-Modulated discriminator）。在英语和越南语数据集上的评估表明，SpiS-GAN 在真实性和风格保持方面优于现有方法，从而提高了下游手写识别任务的性能。 AI
影响 增强了手写识别的合成数据生成能力，可能减少对大量手动标注的需求。
排序理由 该集群包含一篇详细介绍手写合成新模型和方法的学术论文。
- CNN
- generative adversarial network
- Modulated Elliptical SpiralFC
- multilayer perceptron
- Sobel-Regularized Edge Reconstruction Loss
- Spiral-Modulated discriminator
- SpiS-GAN
- Star-Spiral Blocks
- Vo Nguyen Le Duy
- English
- STAR OPERATIONS ON KUNZ DOMAINS
- Vietnamese
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
